申请/专利权人：南京邮电大学

申请日：2023-08-29

公开（公告）日：2023-11-24

公开（公告）号：CN117119395A

主分类号：H04W4/33

分类号：H04W4/33;H04W4/02;H04B7/06;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.12#实质审查的生效;2023.11.24#公开

摘要：本发明公开了一种基于CycleGAN的联邦生成对抗网络用于室内定位指纹库的数据增强的方法，包括：通过WiFi、蓝牙设备采集少量不同位置的信道状态信息RSSI、CSI数据，并将其转化为灰度图，并加入位置标签转化成的灰度图形成初始指纹，构建成初始指纹库输入到CycleGAN网络中，通过联邦学习的分布式模式训练模型使得网络学习到不同位置之间RSSI数据与CSI数据的映射关系；基于已有坐标作为输入通过本方法提出的网络得到新的指纹信息以对指纹库进行数据增强。本方法的应用能够提升室内定位的准确性和可靠性，克服不同室内位置数据量不足的问题，以丰富指纹库取得更好的定位效果，保护了用户的位置隐私，为室内定位技术的发展提供了新的解决方案。

主权项：1.一种基于CycleGAN的联邦生成对抗网络的室内定位指纹库构建方法，其特征在于：采集不同位置的CSI数据和RSSI数据；将不同位置的CSI数据和RSSI数据经过数据预处理、规范化、空间映射和空间重构转化成灰度图，再加上相应的位置标签，将加上位置标签的灰度图作为初始参考点输入初始指纹库；将初始指纹库输入预先构建的基于CycleGAN模型，通过CycleGAN模型的两个生成器和两个判别器分别实现RSSI数据与CSI数据的相互转换，用于弥补当前位置参考点RSSI或CSI数据量不足，生成多个拥有一部分CSI数据集和或RSSI数据集的集合；将每个拥有一部分CSI数据集和或RSSI数据集的集合作为一个联邦学习的参与方，并在每个参与方本地构建联邦生成对抗网络模型；采用分布式联邦学习框架，将参与方的数据集保留在本地，不共享各自的原始数据；参与方本地进行训练，收敛后生成CSI伪数据与位置标签融合灰度图以及RSSI伪数据与位置标签融合灰度图；将CSI伪数据与位置标签融合灰度图以及RSSI伪数据与位置标签融合灰度图加入至初始指纹库中，得到数据增强后的CSI、RSSI室内定位融合指纹库。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于CycleGAN的联邦生成对抗网络的室内定位指纹库构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD